JP2020052554A - Information processing apparatus and information processing method - Google Patents
Information processing apparatus and information processing method Download PDFInfo
- Publication number
- JP2020052554A JP2020052554A JP2018179201A JP2018179201A JP2020052554A JP 2020052554 A JP2020052554 A JP 2020052554A JP 2018179201 A JP2018179201 A JP 2018179201A JP 2018179201 A JP2018179201 A JP 2018179201A JP 2020052554 A JP2020052554 A JP 2020052554A
- Authority
- JP
- Japan
- Prior art keywords
- feature amount
- feature
- target data
- data
- information processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
本発明は、特徴量の観点におけるデータの有効性を判断するための技術に関するものである。 The present invention relates to a technique for judging the validity of data in terms of a feature amount.
従来から、工場における良否検査(良品と不良品の判別)に用いられるマシンビジョンにおいて、検査対象物を撮像した画像の多様な特徴量群を用いることで、検査対象物の良否検査を行うものが知られている。この方法では、予め撮像されたデータ群(学習データ群)に「良品」や「不良品」といったラベルを付けておく。そして、「良品」のラベルの付いた学習データに対し、特定の不良品らしさの評価尺度である特徴量を計算し、その分布を算出しておく。この分布を用い、入力された検査対象物の撮像画像から算出した特徴量の値が、分布上のどの位置にあるかを判定材料とし、検査対象物が「良品」なのか「不良品」なのかを判定するものが一般的である。 2. Description of the Related Art Conventionally, in a machine vision used for a quality inspection (determination of a good product and a defective product) in a factory, a quality inspection of an inspection target is performed by using various feature groups of an image of the inspection target. Are known. In this method, a data group (learning data group) captured in advance is labeled with "good" or "defective". Then, a feature amount, which is an evaluation scale of the likelihood of a specific defective product, is calculated for the learning data labeled with “good”, and its distribution is calculated. Using this distribution, the position of the feature value calculated from the captured image of the input inspection target is located on the distribution as a determination material, and the inspection target is determined to be “good” or “defective”. It is common to determine whether
この良否検査方式では、学習データに「良品」と「不良品」のラベルが正しくついていることを前提としており、このラベル付けは一般的には人手で行われる。このラベル付けを効果的に実現する手法として、特許文献1と特許文献2の技術が開示されている。また、ラベルが付けられたデータ中に異常データ(外れ値)が含まれているかどうかを判定する手法として、特許文献3の技術が開示されている。
This pass / fail inspection method is based on the assumption that the labels of "good" and "defective" are correctly attached to the learning data, and this labeling is generally performed manually. As techniques for effectively realizing this labeling, the techniques of
前述の通り、精度良く検査対象物の良否検査を行うためには、学習データの正しいラベル付けが必要である。例えば図1は、ある特徴量の観点で「良品」であるとラベルが付けられた学習データの該特徴量の値を表したグラフである。各学習データの特徴量の中に外れ値101となる特徴量が含まれていた場合、この学習データを母集団とする分布の分散が大きくなり、検査対象物の良否検査の精度が低下する。 As described above, the correct labeling of the learning data is required in order to perform the quality inspection of the inspection object with high accuracy. For example, FIG. 1 is a graph showing the value of a feature amount of learning data labeled as “good” from the viewpoint of a certain feature amount. When the feature amount of each learning data includes a feature amount having an outlier 101, the variance of the distribution using the learning data as a population increases, and the accuracy of the pass / fail inspection of the inspection target decreases.
この外れ値は、本来「良品」では無い学習データに間違って「良品」のラベルが付けられた場合に発生し、また、「良品」ではあるがデータの取得方法に問題があり、「良品」のラベルを付けることが相応しくない場合がある。そのため、これらの外れ値を目視で確認し、本当に良品であるかを一つ一つ目視確認する必要があった。 This outlier occurs when learning data that is not originally “good” is mistakenly labeled with “good”, and there is a problem in the method of acquiring data that is “good” but “good” Labeling may not be appropriate. For this reason, it is necessary to visually confirm these outliers and visually confirm one by one whether they are really good products.
昨今は、学習データ数、及び、利用する特徴量の種別を増やすことによる良否検査性能の向上が試みられている。また、ある特徴量で「不良品」としたものを、別の特徴量では「良品」として扱うことにより、良品数の低下を防ぐ手法も存在する。例えば、ネジの検査において、ネジ山の欠けを検出するための特徴量Aと、ネジ山のバリを検出するための特徴量Bと、が存在していた場合、ネジ山の欠けたデータは特徴量Aにとっては「良品」では無いが、特徴量Bにとっては「良品」である可能性がある。そのため、この外れ値が特徴量毎の観点で「良品」であるかを確認する必要があり、このための確認工数が増大するという課題があった。 Recently, attempts have been made to improve the pass / fail inspection performance by increasing the number of learning data and the types of feature amounts to be used. There is also a method of preventing a decrease in the number of non-defective products by treating what is determined as “defective” in one feature value as “non-defective” in another feature value. For example, in a screw inspection, when a feature value A for detecting a chipped thread and a feature value B for detecting a burr of a threaded thread are present, the data lacking the threaded thread is regarded as a feature. The quantity A is not “good”, but the feature B may be “good”. Therefore, it is necessary to confirm whether the outlier is “good” from the viewpoint of each feature amount, and there has been a problem that the number of confirmation steps increases.
前述した先行技術は、GUI等の改善により、一つのデータにおける確認行為を効率化するものである。しかし先行技術では、一度確認したデータと同様のデータに関して確認を省略する仕組みはなく、確認回数自体を削減することはできなかった。本発明では、特徴量の観点でデータの有効性を判断する判断回数を削減するための技術を提供する。 The above-mentioned prior art is to improve the efficiency of a confirmation operation for one piece of data by improving a GUI or the like. However, in the prior art, there is no mechanism for omitting confirmation for data similar to data confirmed once, and the number of confirmations itself could not be reduced. The present invention provides a technique for reducing the number of times of judging the validity of data from the viewpoint of a feature amount.
本発明の一様態は、それぞれのデータの第1の特徴量を取得する取得手段と、前記それぞれのデータのうち所定範囲外となった第1の特徴量を求めたデータを対象データとし、該対象データの第1の特徴量を無効とする旨のユーザ指示を受けたことに応じて、該対象データの第1の特徴量を無効とすると共に、該対象データの第2の特徴量を有効とするか無効とするかを判断する判断手段とを備えることを特徴とする。 One embodiment of the present invention is an acquisition unit that acquires a first feature amount of each data, and sets, as target data, data obtained for a first feature amount out of a predetermined range among the respective data, In response to receiving a user instruction to invalidate the first feature amount of the target data, the first feature amount of the target data is invalidated, and the second feature amount of the target data is enabled. And a determining unit for determining whether the setting is invalid or invalid.
本発明の構成によれば、特徴量の観点でデータの有効性を判断する判断回数を削減することができる。 According to the configuration of the present invention, it is possible to reduce the number of times of judging the validity of data from the viewpoint of the feature amount.
以下、添付図面を参照し、本発明の実施形態について説明する。なお、以下説明する実施形態は、本発明を具体的に実施した場合の一例を示すもので、特許請求の範囲に記載した構成の具体的な実施形態の1つである。 Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings. The embodiment described below shows an example in which the present invention is specifically implemented, and is one of the specific embodiments having the configuration described in the claims.
[第1の実施形態]
先ず、本実施形態に係る情報処理装置のハードウェア構成例について、図2のブロック図を用いて説明する。CPU201は、RAM202やROM203に格納されているコンピュータプログラムやデータを用いて処理を実行する。これによりCPU201は、情報処理装置200全体の動作制御を行うと共に、情報処理装置200が行うものとして後述する各処理を実行若しくは制御する。
[First Embodiment]
First, an example of a hardware configuration of the information processing apparatus according to the present embodiment will be described with reference to the block diagram of FIG. The
RAM202は、ROM203や外部記憶装置206からロードされたコンピュータプログラムやデータ、I/F(インターフェース)207を介して外部から受信したデータ、を格納するためのエリアを有する。さらにRAM202は、CPU201が各種の処理を実行する際に用いるワークエリアを有する。このようにRAM202は、各種のエリアを適宜提供することができる。ROM203には、ブートプログラムや設定データなど、書換不要の情報が格納されている。
The
操作部204は、キーボード、マウス、タッチパネルなどのユーザインターフェースにより構成されており、ユーザが操作することで各種の指示をCPU201に対して入力することができる。
The
表示部205は、液晶画面やタッチパネル画面により構成されており、CPU201による処理結果を画像や文字などでもって表示することができる。また表示部205は、画像や文字を投影するプロジェクタ装置などの投影装置であっても良い。
The
外部記憶装置206は、ハードディスクドライブ装置などの大容量情報記憶装置である。外部記憶装置206には、OS(オペレーティングシステム)や、情報処理装置200が行うものとして後述する各処理をCPU201に実行若しくは制御させるためのコンピュータプログラムやデータが保存されている。外部記憶装置206に保存されているデータには、以下の説明において既知の情報として取り扱う情報が含まれている。外部記憶装置206に保存されているコンピュータプログラムやデータは、CPU201による制御に従って適宜RAM202にロードされ、CPU201による処理対象となる。I/F207は、外部の装置との間のデータ通信を行うためのインターフェースとして機能するものである。CPU201、RAM202、ROM203、操作部204、表示部205、外部記憶装置206、I/F207、はいずれもバス208に接続されている。
The external storage device 206 is a large-capacity information storage device such as a hard disk drive. The external storage device 206 stores an OS (Operating System), and computer programs and data for causing the
本実施形態に係る情報処理装置200の機能構成例を図3のブロック図に示す。以下では、図3に示した各機能部を処理の主体として説明する場合があるが、実際には、各機能部に対応するコンピュータプログラムをCPU201が実行することで、該機能部に対応する機能が実現される。しかし、図3の各機能部をハードウェアでもって実装しても構わない。図3の各機能部による処理について、図4のフローチャートに従って説明する。
An example of a functional configuration of the
ステップS401では、データ取得部301は、特徴量Aの観点で良品であるネジの撮像画像に係る情報が登録されている良品情報Aを外部記憶装置206から取得する。良品情報Aの構成例を図6(a)に示す。
In step S <b> 401, the
図6(a)に示す如く、良品情報Aには、撮像画像ごとに、該撮像画像に固有の識別情報であるデータIDと、該撮像画像中のネジが特徴量Aの観点で良品であることを示すフラグの値「True」と、が対応付けて登録されている。データIDは、撮像画像に固有の識別情報であれば良く、例えば、撮像画像中のネジの番号をデータIDとして利用しても良い。図6(a)の良品情報Aには、N枚の撮像画像(データID=0〜(N−1)の撮像画像)のそれぞれのデータIDとフラグの値とが登録されている(Nは1以上の整数)。ここで、特徴量Aは特定の特徴量に限らない。例えば、撮像画像中のネジの「ネジ山の欠け」を検出するために使用する特徴量を特徴量Aとしても良い。 As shown in FIG. 6A, the non-defective product information A includes, for each captured image, a data ID that is identification information unique to the captured image, and a screw in the captured image is non-defective in terms of the feature amount A. Is registered in association with the flag value “True” indicating that the flag is true. The data ID may be identification information unique to the captured image, and for example, a screw number in the captured image may be used as the data ID. 6A, data IDs and flag values of N captured images (captured images of data ID = 0 to (N-1)) are registered in the non-defective information A. An integer greater than or equal to 1). Here, the characteristic amount A is not limited to a specific characteristic amount. For example, the feature amount used to detect the “missing thread” of the screw in the captured image may be the feature amount A.
またステップS401では、データ取得部301は、特徴量B(特徴量Aとは異なる)の観点で良品であるネジの撮像画像に係る情報が登録されている良品情報Bを外部記憶装置206から取得する。良品情報Bの構成例を図6(b)に示す。
In step S <b> 401, the
図6(b)に示す如く、良品情報Bには、撮像画像ごとに、該撮像画像に固有の識別情報であるデータIDと、該撮像画像中のネジが特徴量Bの観点で良品であることを示すフラグの値「True」と、が対応付けて登録されている。図6(b)の良品情報Bには、N枚の撮像画像(データID=0〜(N−1)の撮像画像)のそれぞれのデータIDとフラグの値とが登録されている。ここで、特徴量Bは特定の特徴量に限らない。例えば、撮像画像中のネジの「ネジ山のバリ」を検出するために使用する特徴量を特徴量Bとしても良い。つまり、図6(a)、(b)では、データID=0〜(N−1)の撮像画像は何れも、特徴量Aの観点でも特徴量Bの観点でも良品のネジの撮像画像としている。またステップS401では、データ取得部301は、データID=0〜(N−1)のそれぞれに対応する撮像画像を外部記憶装置206から取得する。
As shown in FIG. 6B, in the non-defective item information B, for each picked-up image, a data ID which is identification information unique to the picked-up image, and a screw in the picked-up image is non-defective in terms of the feature amount B. Is registered in association with the flag value “True” indicating that the flag is true. In the non-defective item information B of FIG. 6B, data IDs and flag values of N captured images (captured images of data ID = 0 to (N-1)) are registered. Here, the characteristic amount B is not limited to a specific characteristic amount. For example, the feature amount used to detect the “thread burr” of the screw in the captured image may be set as the feature amount B. That is, in FIGS. 6A and 6B, the captured images of data ID = 0 to (N−1) are all captured images of good screws from the viewpoint of the characteristic amount A and the characteristic amount B. . In step S <b> 401, the
次に、ステップS402では、計算部302は、データ取得部301が取得したそれぞれの撮像画像の特徴量Aを求める。上記の通り、特徴量Aは特定の特徴量に限らない。例えば「ネジ山の2mm程度の欠け」を検出する特徴量Aの良品弁別性能が思わしくない場合、ユーザが操作部204を操作して、特徴量Aの再確認を行う旨の指示を入力することで、情報処理装置200が図4のフローチャートに従った処理を開始しても良い。この場合、「ネジ山の2mm程度の欠け」を検出する特徴量が特徴量Aとなる。
Next, in step S402, the
そして計算部302は、特徴量Aを求めたそれぞれの撮像画像について、該撮像画像のデータID、該撮像画像から求めた1以上の特徴量Aの値のうち最大値、該撮像画像において該最大値の特徴量Aを求めた画像座標、を対応付けたテーブル情報Aを生成する。テーブル情報Aの構成例を図7(a)に示す。画像座標は、例えば、撮像画像の左上隅の位置を(0,0)としたときのものであるとする。
Then, for each captured image for which the characteristic amount A has been determined, the
次に、ステップS403では、計算部303は、データ取得部301が取得したそれぞれの撮像画像の特徴量Bを求める。特徴量Bについても特定の特徴量に限らず、例えば、「ネジ山の5mm程度の欠け」を検出する特徴量を特徴量Bとしても良い。
Next, in step S403, the
そして計算部303は、特徴量Bを求めたそれぞれの撮像画像について、該撮像画像のデータID、該撮像画像から求めた1以上の特徴量Bの値のうち最大値、該撮像画像において該最大値の特徴量Bを求めた画像座標、を対応付けたテーブル情報Bを生成する。テーブル情報Bの構成例を図7(b)に示す。
Then, for each captured image for which the characteristic amount B has been determined, the
次にステップS404では、検出部304は、データ取得部301が取得した撮像画像群のうち「ステップS402で計算部302が外れ値となる特徴量Aを求めた撮像画像の集合」から未選択の1枚の撮像画像を選択撮像画像として選択する。ここで、「外れ値」とは、他のデータ傾向(特徴量)からかけ離れた(所定範囲外の)データの値(特徴量)であり、既存技術である「修正トンプソン−τ法」、「スミルノフ・グラブス検定」を用いて検出することが可能である。
Next, in step S404, the detecting
そしてステップS405では、確認部305は、選択撮像画像を表示部205に表示して該選択撮像画像をユーザに確認させ、該選択撮像画像中のネジが特徴量Aの観点で良品であるのかそれとも不良品であるのかのユーザ指示を受け付ける。ステップS405における選択撮像画像の表示例を図8に示す。
In step S405, the
ダイアログ801には選択撮像画像802が表示されており、選択撮像画像802において最大の特徴量Aを求めた位置(テーブル情報Aにおいて選択撮像画像802のデータIDに対応する画像座標)にマーカ804が表示されている。例えば、図7(a)のテーブル情報Aにおいて外れ値となる最大値「120」を求めたデータID=3の撮像画像が選択撮像画像802として選択されたとすると、該選択撮像画像802上の画像座標(215,216)にマーカ804が表示される。
The selected captured
ユーザは、選択撮像画像802においてマーカ804内の画像を目視で確認し、選択撮像画像802中のネジが特徴量Aの観点で良品であるのか、それとも不良品であるのかを判断する。そしてその判断の結果、ユーザが「選択撮像画像802中のネジが特徴量Aの観点で良品である」と判断した場合には、操作部204を操作してボタン805を指示する。一方、ユーザが「選択撮像画像802中のネジが特徴量Aの観点で不良品である」と判断した場合には、操作部204を操作してボタン803を指示する。
The user visually checks the image in the
ステップS406では、確認部305は、ボタン803が指定されたのか、それともボタン805が指定されたのかを判断する。そして、ボタン803が指定された場合(選択撮像画像802中のネジが特徴量Aの観点で不良品であると指定された場合)には、処理はステップS408に進む。一方、ボタン805が指定された場合(選択撮像画像802中のネジが特徴量Aの観点で良品であると指定された場合)には、処理はステップS407に進む。
In step S406, the
ステップS407では、検出部304は、「データ取得部301が取得した撮像画像群のうちステップS402で計算部302が外れ値となる特徴量Aを求めた撮像画像の集合」から全ての撮像画像を選択撮像画像として選択したか否かを判断する。この判断の結果、該集合から全ての撮像画像を選択撮像画像として選択した場合には、図4のフローチャートに従った処理は完了する。一方、該集合においてまだ選択撮像画像として選択していない未選択の撮像画像が残っている場合には、処理はステップS404に進む。
In step S <b> 407, the
ステップS408では、判定部306は、良品情報Aにおいて、選択撮像画像のデータIDに対応するフラグの値を「False」に変更する。これにより判定部306は、選択撮像画像中のネジが特徴量Aの観点で不良品である(選択撮像画像が特徴量Aのデータとして無効である)、と設定する。
In step S408, the
次に、ステップS409では、判定部306は、良品情報Bにおいて選択撮像画像のデータIDに対応するフラグの値が「True」であるか否かを判断する。この判断の結果、良品情報Bにおいて選択撮像画像のデータIDに対応するフラグの値が「True」である場合には、処理はステップS410に進む。一方、良品情報Bにおいて選択撮像画像のデータIDに対応するフラグの値が「False」である場合には、処理はステップS407に進む。
Next, in step S409, the
ステップS410では、判定部306は、良品情報Bにおいて選択撮像画像のデータIDに対応するフラグの値を「True」とするのか、それとも「False」とするのか、を判断する。ステップS410における処理の詳細について、図5のフローチャートに従って説明する。
In step S410, the
ステップS501では、判定部306は、特徴量Aと特徴量Bとの間の類似度を取得し、該取得した類似度が閾値以上であるか否かを判断する。この判断の結果、特徴量Aと特徴量Bとの間の類似度が閾値以上である場合には、処理はステップS502に進み、特徴量Aと特徴量Bとの間の類似度が閾値未満である場合には、処理はステップS503に進む。「特徴量Aと特徴量Bとの間の類似度」として利用可能なものには様々なものがある。
In step S501, the
例えば、「特徴量Aと特徴量Bとの間の類似度」として、特徴量Aの種別と特徴量Bの種別との関連の度合いを利用しても良い。この場合、図15に例示する、特徴量の種別間の関連の度合いを、特徴量間の類似度として登録したテーブル情報を利用する。このテーブル情報は予め作成して外部記憶装置206に登録しておく。このテーブル情報によれば、「特徴量Aと特徴量Bとの間の類似度」として「0.8」が登録されている。判定部306は、外部記憶装置206からこのテーブル情報を取得し、該テーブル情報から「特徴量Aと特徴量Bとの間の類似度」として「0.8」を取得することができる。
For example, the degree of association between the type of the characteristic amount A and the type of the characteristic amount B may be used as the “similarity between the characteristic amount A and the characteristic amount B”. In this case, table information in which the degree of association between the types of feature amounts, registered as the similarity between feature amounts, as illustrated in FIG. 15, is used. This table information is created in advance and registered in the external storage device 206. According to this table information, “0.8” is registered as “similarity between feature amount A and feature amount B”. The
また、「特徴量Aと特徴量Bとの間の類似度」として、それぞれの撮像画像について求めた特徴量Aと、該それぞれの撮像画像について求めた特徴量Bと、の間の類似度を以下の式(1)に基づいて求めても良い。 The “similarity between feature A and feature B” is the similarity between feature A obtained for each captured image and feature B obtained for each captured image. It may be obtained based on the following equation (1).
この式は、特徴量Aと特徴量Bとの間のユークリッド距離を用いた評価値を「特徴量Aと特徴量Bとの間の類似度」とする式である。この式においてAiは、データID=(i−1)の撮像画像について求めた特徴量Aの値であり、Biは、データID=(i−1)の撮像画像について求めた特徴量Bの値である。 This equation is an equation in which the evaluation value using the Euclidean distance between the feature amounts A and B is “similarity between the feature amounts A and B”. In this equation, Ai is the value of the feature amount A obtained for the captured image of data ID = (i-1), and Bi is the value of the feature amount B obtained for the captured image of data ID = (i-1). It is.
また、「特徴量Aと特徴量Bとの間の類似度」として、それぞれの撮像画像について求めた特徴量Aと、該それぞれの撮像画像について求めた特徴量Bと、の間の類似度を以下の式(2)に基づいて求めても良い。 The “similarity between feature A and feature B” is the similarity between feature A obtained for each captured image and feature B obtained for each captured image. It may be obtained based on the following equation (2).
この式は、ピアソンの積率相関係数を用いた評価値を「特徴量Aと特徴量Bとの間の類似度」とする式である。この式においてaiは、データID=(i−1)の撮像画像について求めた特徴量Aの値であり、biは、データID=(i−1)の撮像画像について求めた特徴量Bの値である。 This equation is an equation in which the evaluation value using the Pearson product moment correlation coefficient is “similarity between feature amount A and feature amount B”. In this equation, ai is the value of the feature amount A obtained for the captured image of data ID = (i-1), and bi is the value of the feature amount B obtained for the captured image of data ID = (i-1). It is.
なお、「特徴量Aと特徴量Bとの間の類似度」を数式に基づいて求める場合、その数式は上記の式(1)や式(2)に限らない。また、「特徴量Aと特徴量Bとの間の類似度」を数式に基づいて求める処理は、例えば、上記のステップS401において行っても良いし、図4のフローチャートに従った処理の開始前に行っても良い。 When the “similarity between the feature value A and the feature value B” is calculated based on a mathematical expression, the mathematical expression is not limited to Expressions (1) and (2). Further, the process of obtaining the “similarity between the feature amount A and the feature amount B” based on the mathematical expression may be performed in step S401, for example, or before the start of the process according to the flowchart of FIG. You may go to
ステップS502では、判定部306は、良品情報Bにおいて選択撮像画像のデータIDに対応するフラグの値を「False」にすると判断する。一方、ステップS503では、判定部306は、良品情報Bにおいて選択撮像画像のデータIDに対応するフラグの値を「True」にすると判断する。
In step S502, the
図4に戻って、次に、ステップS411では、判定部306は、良品情報Bにおいて選択撮像画像のデータIDに対応するフラグの値を「False」にすると判断したか否かを判断する。この判断の結果、良品情報Bにおいて選択撮像画像のデータIDに対応するフラグの値を「False」にすると判断した場合には、処理はステップS412に進む。一方、良品情報Bにおいて選択撮像画像のデータIDに対応するフラグの値を「True」にすると判断した場合には、処理はステップS407に進む。ステップS412では、判定部306は、良品情報Bにおいて選択撮像画像のデータIDに対応するフラグの値を「False」に設定する。
Returning to FIG. 4, next, in step S411, the
このような処理により、良品のネジの画像として登録されている登録画像群のうち、再度のチェックにより不良品のネジの画像であると判断された画像を上記の登録画像群から除去することができる。この登録画像群は上記の検査対象物の良否検査に利用することができ、従来よりも高い精度で良否検査を実施することができる。 By such processing, it is possible to remove, from the registered image group, an image determined as an image of a defective screw by a recheck out of the registered image group registered as a non-defective screw image. it can. This registered image group can be used for the quality inspection of the inspection object, and the quality inspection can be performed with higher accuracy than before.
選択撮像画像が特徴量Aの観点で良品のネジの撮像画像ではないと判断された場合、特徴量Aと特徴量Bとが類似している場合においては、特徴量Bの観点でも良品のネジの撮像画像ではない可能性が高い。この考えに基づき、本実施形態では、ユーザの確認なしに、選択撮像画像が特徴量Bの観点で良品のネジの撮像画像ではないと設定する。これにより、特徴量全体でのユーザの確認回数を削減でき、良否検査の設定工数を低減することが可能となる。 If it is determined that the selected captured image is not a captured image of a good screw from the viewpoint of the feature value A, and if the feature value A and the feature value B are similar, a screw of a good product from the viewpoint of the feature value B It is highly likely that the captured image is not a captured image. Based on this idea, in the present embodiment, it is set without the user's confirmation that the selected captured image is not a captured image of a good screw from the viewpoint of the feature amount B. This makes it possible to reduce the number of user confirmations for the entire feature quantity, and to reduce the number of setting steps for the pass / fail inspection.
なお、それぞれの特徴量は、良否を判断する観点が異なるため、同じ撮像画像であっても、良品のネジの画像と判断されたり、不良品のネジの画像と判断されたりする。一般的な良否検査では、特徴量毎に、良品のネジの画像として管理されている撮像画像(フラグの値が「True」の撮像画像)を利用して「良品」のモデルを作成し、このモデルから統計的に外れた検査対象をその特徴量において「不良品」と判断する。そして、利用する全ての特徴量において「良品」となった場合に、「良品」として検査結果を返す。この良品と不良品の区別は、前述のように特徴量が所定の範囲内に入っているか否かで判定する。通常は、平均値を含む平均値の近傍の範囲内に入っているものを良品、それ以外(外れ値に当たるもの)を不良品(候補)と判定する。 In addition, since each feature value has a different viewpoint for judging pass / fail, even the same captured image may be judged as an image of a good screw or an image of a bad screw. In a general pass / fail inspection, a “good” model is created for each feature amount using a captured image (a captured image with a flag value of “True”) managed as a good screw image. An inspection object that is statistically deviated from the model is determined to be "defective" in terms of its feature amount. Then, when all of the feature amounts to be used are “good”, the inspection result is returned as “good”. The distinction between the non-defective product and the defective product is determined based on whether or not the feature amount falls within a predetermined range as described above. Normally, a product that falls within a range near the average value including the average value is determined as a good product, and the others (products corresponding to outliers) are determined as defective products (candidates).
[第2の実施形態]
本実施形態を含む以下の各実施形態では、第1の実施形態との差分について説明し、以下で特に触れない限りは第1の実施形態と同様であるものとする。本実施形態では、ステップS410において、図5のフローチャートに従った処理の代わりに、図9のフローチャートに従った処理を行う。
[Second embodiment]
In each of the following embodiments including this embodiment, differences from the first embodiment will be described, and unless otherwise noted below, it is assumed to be the same as the first embodiment. In the present embodiment, in step S410, processing according to the flowchart in FIG. 9 is performed instead of the processing according to the flowchart in FIG.
ステップS901では、判定部306は、データ取得部301が取得した撮像画像群のうち、「ステップS403で計算部303が外れ値となる特徴量Bを求めた撮像画像の集合」を特定する。外れ値の求め方については上記の通りである。そして判定部306は、選択撮像画像がこの集合に含まれているか否か、つまり、選択撮像画像の特徴量Bが外れ値であるか否かを判断する。この判断の結果、選択撮像画像がこの集合に含まれている(選択撮像画像の特徴量Bが外れ値である)場合には、処理はステップS502に進む。一方、選択撮像画像がこの集合に含まれていない(選択撮像画像の特徴量Bが外れ値ではない)場合には、処理はステップS503に進む。
In step S <b> 901, the
このように本実施形態では、選択撮像画像が特徴量Bの観点で良品のネジの画像であるか否かを、「特徴量Aと特徴量Bとの間の類似度」が閾値以上であるか否か、の代わりに、選択撮像画像が「特徴量Bが外れ値となる撮像画像」であるか否か、で判断する。 As described above, in the present embodiment, whether or not the selected captured image is a non-defective screw image in terms of the feature amount B is determined by determining whether or not the “similarity between the feature amount A and the feature amount B” is equal to or greater than the threshold value. Instead of determining whether or not the selected captured image is a “captured image in which the feature amount B is an outlier,” it is determined whether or not the selected captured image is “a captured image in which the feature amount B is an outlier.
これにより、特徴量Aと特徴量Bの類似性が低い場合であっても、特徴量Aと特徴量Bとで外れ値となり、ユーザが特徴量Aの観点で不良品であると指定した場合においては、特徴量Bの観点でも不良品であると判断する。これにより、特徴量全体でのユーザの確認回数を削減でき、良否検査の設定工数を低減することが可能となる。 As a result, even when the similarity between the feature amounts A and B is low, the feature amounts A and B become outliers, and the user specifies that the product is defective from the viewpoint of the feature amount A. Is determined to be defective from the viewpoint of the feature amount B. This makes it possible to reduce the number of user confirmations for the entire feature quantity, and to reduce the number of setting steps for the pass / fail inspection.
[第3の実施形態]
本実施形態では、ステップS410において、図5のフローチャートに従った処理の代わりに、図10のフローチャートに従った処理を行う。図10のフローチャートに従った処理では、「特徴量Aと特徴量Bとの間の類似度」と「選択撮像画像の特徴量Bの外れ度」とに基づいて、選択撮像画像が特徴量Bの観点で良品のネジの画像であるか否かを判断する。
[Third Embodiment]
In the present embodiment, in step S410, processing according to the flowchart in FIG. 10 is performed instead of the processing according to the flowchart in FIG. In the processing according to the flowchart of FIG. 10, the selected captured image is extracted from the feature amount B based on the “similarity between the characteristic amount A and the characteristic amount B” and the “degree of deviation of the characteristic amount B of the selected captured image”. It is determined from the viewpoint of whether or not the image is a good screw.
ステップS1001では、判定部306は、第1の実施形態において説明した「特徴量Aと特徴量Bとの間の類似度」をX、「選択撮像画像の特徴量Bの外れ度」をY、として、評価スコア「X+C×Y」(Cは定数)を計算する。ここで、「選択撮像画像の特徴量Bの外れ度」とは、特徴量Bの分布における選択撮像画像の特徴量Bの外れの度合いを示すものである。例えば、「選択撮像画像の特徴量Bの外れ度」は、特徴量Bの分布における平均値と選択撮像画像802の特徴量Bの値との間の距離を該分布の標準偏差で除算することで求めることができる。
In step S <b> 1001, the
そしてステップS1002では、判定部306は、上記の計算した評価スコアが閾値以上であるか否かを判断する。この判断の結果、評価スコアが閾値以上であれば、処理はステップS502に進み、評価スコアが閾値未満であれば、処理はステップS503に進む。
In step S1002, the
このように、本実施形態では、「特徴量Aと特徴量Bとの間の類似度」と「選択撮像画像の特徴量Bの外れ度」とに基づいて、選択撮像画像が特徴量Bの観点で良品のネジの画像であるか否かを判断するので、判断の精度を向上させることができる。 As described above, in the present embodiment, based on the “similarity between the characteristic amount A and the characteristic amount B” and the “degree of deviation of the characteristic amount B of the selected captured image”, the selected captured image From the viewpoint, it is determined whether or not the image is a non-defective screw image, so that the accuracy of the determination can be improved.
[第4の実施形態]
本実施形態では、ステップS410において、図5のフローチャートに従った処理の代わりに、図11のフローチャートに従った処理を行う。本実施形態に係るステップS1002では、判定部306は、上記の計算した評価スコアが閾値A以上であるか否かを判断する。この判断の結果、評価スコアが閾値A以上であれば、処理はステップS502に進み、評価スコアが閾値A未満であれば、処理はステップS1103に進む。
[Fourth embodiment]
In the present embodiment, in step S410, processing according to the flowchart in FIG. 11 is performed instead of the processing according to the flowchart in FIG. In step S1002 according to the present embodiment, the
ステップS1103では、判定部306は、上記の計算した評価スコアが閾値B(<閾値A)以上であるか否かを判断する。この判断の結果、評価スコアが閾値B以上であれば、処理はステップS1104に進み、評価スコアが閾値B未満であれば、処理はステップS503に進む。
In step S1103, the
ステップS1104では、確認部305は、選択撮像画像を表示部205に表示して、該選択撮像画像中のネジが特徴量Bの観点で良品であるのかそれとも不良品であるのかのユーザ指示を受け付ける。
In step S1104, the
ステップS1104においても図8のようなダイアログを表示するようにしても良い。この場合、例えば、選択撮像画像802において最大の特徴量Bを求めた位置(テーブル情報Bにおいて選択撮像画像802のデータIDに対応する画像座標)にマーカ804を表示するようにしても良い。
Also in step S1104, a dialog as shown in FIG. 8 may be displayed. In this case, for example, the
ステップS1105で確認部305は、ユーザから「選択撮像画像中のネジが特徴量Bの観点で良品である」旨の指示が入力されたのか、それとも「選択撮像画像中のネジが特徴量Bの観点で不良品である」旨の指示が入力されたのか、を判断する。
In step S1105, the
この判断の結果、ユーザから「選択撮像画像中のネジが特徴量Bの観点で良品である」旨の指示が入力された(例えば、図8のボタン805が指示された)場合には、処理はステップS503に進む。一方、ユーザから「選択撮像画像中のネジが特徴量Bの観点で不良品である」旨の指示が入力された(例えば、図8のボタン803が指示された)場合には、処理はステップS502に進む。
As a result of this determination, if the user inputs an instruction that “the screw in the selected captured image is non-defective in terms of the feature amount B” (for example, the
このように、本実施形態においては、評価スコアが閾値A以上の場合や閾値B未満の場合には、ユーザによる選択撮像画像の確認なしで、「選択撮像画像中のネジが特徴量Bの観点で良品であるか否か」を判断する。一方、評価スコアが閾値A未満であり且つ閾値B以上の場合(つまり、評価スコアが極端に大きくも小さくもない中程度の範囲(規定範囲)に属する場合)には、ユーザによる選択撮像画像の確認を行う。これにより判断工数の削減を達成しつつも、曖昧なケースにおいてはユーザに確認することにより、判断ミスとなることを避けることが可能となる。 As described above, in the present embodiment, when the evaluation score is equal to or greater than the threshold value A or less than the threshold value B, the user cannot confirm the selected captured image from the viewpoint of the feature amount B without confirming the selected captured image. Is good or not. " On the other hand, when the evaluation score is less than the threshold value A and is equal to or more than the threshold value B (that is, when the evaluation score belongs to a medium range (specified range) that is neither extremely large nor small), the user-selected captured image Make a confirmation. As a result, while reducing the number of determination steps, it is possible to avoid making a determination error by confirming with the user in an ambiguous case.
[第5の実施形態]
本実施形態では、選択撮像画像の特徴量Aおよび特徴量Bが、同じ用途に利用される特徴量の種別のグループに属するのかを否かを判断することで、選択撮像画像が良品のネジの画像であるのか不良品のネジの画像であるのかを判断する。
[Fifth Embodiment]
In the present embodiment, by determining whether or not the feature amount A and the feature amount B of the selected captured image belong to a group of the type of the feature amount used for the same application, the selected captured image is determined to be a non-defective screw. It is determined whether the image is an image or an image of a defective screw.
様々な特徴量(種別)を、同じ用途に利用される特徴量の種別のグループごとに分けた場合におけるそれぞれのグループに属する特徴量を示すテーブル情報(グループ情報)の構成例を図13に示す。図13の例では、「ネジ山の欠け検出グループ」には特徴量A、B、E、Xが属しており、これは、「ネジ山の欠け」を検出するために利用可能な特徴量のグループには、特徴量A、B、E、Xが属していることを示している。また図13の例では、「ネジ山のバリ検出グループ」には特徴量C、D、Yが属しており、これは、「ネジ山のバリ」を検出するために利用可能な特徴量のグループには、特徴量C,D,Yが属していることを示している。 FIG. 13 shows a configuration example of table information (group information) indicating feature amounts belonging to each group when various feature amounts (types) are divided into groups of the types of feature amounts used for the same purpose. . In the example of FIG. 13, the feature amounts A, B, E, and X belong to the “thread chipping detection group”, which is a feature amount that can be used for detecting “thread chipping”. It shows that the feature amounts A, B, E, and X belong to the group. In the example of FIG. 13, the feature amounts C, D, and Y belong to the “thread thread burr detection group”, which is a group of feature quantities that can be used to detect “thread burr”. Indicates that the feature amounts C, D, and Y belong to the.
このようなグループ情報は、例えば設計時に何らかの計算によって生成してもよいし、設計者が決定するものでも構わない。あるいは、良否検査の実施により、生成や変更がされる形でも構わない。また、このようなグループ情報は、例えば、外部記憶装置206に登録されている。 Such group information may be generated by some kind of calculation at the time of design, for example, or may be determined by a designer. Alternatively, the form may be generated or changed by performing the pass / fail inspection. Such group information is registered in, for example, the external storage device 206.
本実施形態では、ステップS410において、図5のフローチャートに従った処理の代わりに、図12のフローチャートに従った処理を行う。ステップS1201では、判定部306は、グループ情報を外部記憶装置206から取得し、選択撮像画像の特徴量Aと特徴量Bとが同じグループの特徴量としてグループ情報に登録されているか否かを判断する。
In the present embodiment, in step S410, processing according to the flowchart in FIG. 12 is performed instead of the processing according to the flowchart in FIG. In step S1201, the
この判断の結果、選択撮像画像の特徴量Aと特徴量Bとが同じグループの特徴量としてグループ情報に登録されている場合には、処理はステップS502に進む。一方、選択撮像画像の特徴量Aと特徴量Bとが同じグループの特徴量としてグループ情報に登録されていない場合には、処理はステップS503に進む。 As a result of this determination, if the feature amount A and the feature amount B of the selected captured image are registered in the group information as the feature amounts of the same group, the process proceeds to step S502. On the other hand, if the feature amount A and the feature amount B of the selected captured image are not registered in the group information as the feature amounts of the same group, the process proceeds to step S503.
同じグループの特徴量である場合、ある特徴量の観点で良品ではないと判定されたデータは、別の特徴量でも良品ではない可能性が高い。この考えに基づき、同じグループにおいては、ユーザに確認を行わずに判断を行うことが可能となり、確認に要する工数を削減すること可能となる。 In the case of feature amounts of the same group, data determined to be non-defective from the viewpoint of a certain feature amount is likely to be non-defective even with another feature amount. Based on this idea, in the same group, it is possible to make a determination without confirming to the user, and it is possible to reduce the number of steps required for confirmation.
[第6の実施形態]
本実施形態では、ステップS410において、図5のフローチャートに従った処理の代わりに、図14のフローチャートに従った処理を行う。図14のフローチャートでは、「特徴量Aと特徴量Bとの間の類似度」ではなく「特徴量Aの画像座標と特徴量Bの画像座標との間の距離」に基づいて、ステップS502の処理を行うのか、ステップS503の処理を行うのかを判断する。
[Sixth Embodiment]
In the present embodiment, in step S410, processing according to the flowchart in FIG. 14 is performed instead of the processing according to the flowchart in FIG. In the flowchart of FIG. 14, not the “similarity between the feature amount A and the feature amount B” but the “distance between the image coordinate of the feature amount A and the image coordinate of the feature amount B” in step S502. It is determined whether to perform the processing or the processing in step S503.
ステップS1401では、判定部306は、テーブル情報Aにおいて選択撮像画像のデータIDに対応する画像座標(反応位置)と、テーブル情報Bにおいて選択撮像画像のデータIDに対応する画像座標(反応位置)と、の間の距離を求める。例えば、選択撮像画像のデータIDが「3」であるとする。このとき、テーブル情報Aにおいて選択撮像画像のデータID=3に対応する画像座標(215,216)と、テーブル情報Bにおいて選択撮像画像のデータID=3に対応する画像座標(210,226)と、の間の距離「11.2」を求める。
In step S1401, the
そして判定部306は、求めた距離が閾値未満であるか否かを判断する。この判断の結果、求めた距離が閾値未満であれば、処理はステップS502に進み、求めた距離が閾値以上であれば、処理はステップS503に進む。
Then, the determining
異なる特徴量の画像座標が近い場合、それらの特徴量は画像上の同じ事象に反応しており、特徴量としての関連性が高いと考えることができる。この考えに基づき、特徴量の画像座標が近いものは、ユーザに確認を行わずに判断を行うことが可能となり、確認に要する工数を削減すること可能となる。 When the image coordinates of the different feature amounts are close, the feature amounts react to the same event on the image, and it can be considered that the relevance as the feature amount is high. Based on this idea, it is possible to make a determination of a feature amount whose image coordinates are close without confirming to the user, and it is possible to reduce the number of steps required for confirmation.
[第7の実施形態]
撮像画像、良品情報A、良品情報B、テーブル情報A、テーブル情報Bなどのデータの取得元は外部記憶装置206に限らず、例えば、I/F207を介して外部の装置から取得しても良い。
[Seventh Embodiment]
The source of the data such as the captured image, the non-defective information A, the non-defective information B, the table information A, and the table information B is not limited to the external storage device 206, and may be obtained from an external device via the I /
また、撮像画像、良品情報A、良品情報B、を、上記の情報処理装置を含む複数の端末装置がアクセス可能なネットワーク上のサーバ装置に登録しておいて、それぞれの端末装置が共有するようにしても良い。この場合、それぞれの端末装置がサーバ装置にアクセスして上記の実施形態において説明したような各処理を行って良品情報Aや良品情報Bのフラグの値を編集することができる。 In addition, the captured image, the non-defective information A, and the non-defective information B are registered in a server device on a network that can be accessed by a plurality of terminal devices including the information processing device, and are shared by the respective terminal devices. You may do it. In this case, each terminal device can access the server device and perform each processing as described in the above embodiment to edit the value of the flag of the good item information A or the good item information B.
また、上記の実施形態では説明を簡単にするために、2種類の特徴量(特徴量A、特徴量B)を用いた。しかし、特徴量の種類は2種類に限らず、3種類以上の特徴量C1,C2,…を用いても構わない。その場合、特徴量Bについて行った処理を、特徴量C1,C2,…のそれぞれについて行えばよい。 In the above-described embodiment, two types of feature amounts (feature amount A and feature amount B) are used to simplify the description. However, the types of feature amounts are not limited to two, and three or more types of feature amounts C1, C2,... May be used. In this case, the processing performed on the characteristic amount B may be performed on each of the characteristic amounts C1, C2,.
また、上記の実施形態では、撮像画像としてネジを撮像した画像を利用したが、ネジ以外のオブジェクトを撮像した画像であっても良い。また、撮像画像は、規定の特徴量のデータとして有効であるのか無効であるのかを判断する判断対象(対象データ)の一例に過ぎず、音声などの他の種類のデータであっても良い。 Further, in the above embodiment, an image obtained by capturing a screw is used as a captured image, but an image obtained by capturing an object other than a screw may be used. Further, the captured image is merely an example of a determination target (target data) for determining whether the data is valid or invalid as data of a specified feature amount, and may be other types of data such as audio.
また上記の情報処理装置は、PC(パーソナルコンピュータ)、タブレット型端末装置、スマートフォンなどのコンピュータ装置であっても良いし、オブジェクトを撮像して該オブジェクトの撮像画像を取得する撮像装置に組み込まれる装置であっても良い。 The information processing device may be a computer device such as a personal computer (PC), a tablet terminal device, or a smartphone, or a device incorporated in an imaging device that captures an image of an object and obtains a captured image of the object. It may be.
また、上記の各実施形態では様々なケースを説明しており、ケースによっては上記の全ての処理が必須であるとは限らない。そのため、ケースによっては一部の処理を適宜省略しても構わない。なお、以上の各実施形態の一部若しくは全部を適宜組み合わせて使用しても構わない。また、以上の各実施形態の一部若しくは全部を選択的に使用しても構わない。 Further, in each of the above embodiments, various cases are described, and depending on the case, not all the above processes are necessarily required. Therefore, some processes may be omitted as appropriate depending on the case. In addition, some or all of the above embodiments may be used in combination as appropriate. Further, some or all of the above embodiments may be selectively used.
(その他の実施形態)
本発明は、上述の実施形態の1以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける1つ以上のプロセッサがプログラムを読出し実行する処理でも実現可能である。また、1以上の機能を実現する回路(例えば、ASIC)によっても実現可能である。
(Other embodiments)
The present invention supplies a program for realizing one or more functions of the above-described embodiments to a system or an apparatus via a network or a storage medium, and one or more processors in a computer of the system or the apparatus read and execute the program. This processing can be realized. Further, it can also be realized by a circuit (for example, an ASIC) that realizes one or more functions.
301:データ取得部 302:計算部 303:計算部 304:検出部 305:確認部 306:判定部 301: data acquisition unit 302: calculation unit 303: calculation unit 304: detection unit 305: confirmation unit 306: determination unit
Claims (13)
前記それぞれのデータのうち所定範囲外となった第1の特徴量を求めたデータを対象データとし、該対象データの第1の特徴量を無効とする旨のユーザ指示を受けたことに応じて、該対象データの第1の特徴量を無効とすると共に、該対象データの第2の特徴量を有効とするか無効とするかを判断する判断手段と
を備えることを特徴とする情報処理装置。 Acquiring means for acquiring a first feature amount of each data;
In response to receiving a user instruction to invalidate the first feature amount of the target data, the data for which the first feature amount out of the predetermined range is obtained as the target data. Determining means for invalidating the first characteristic amount of the target data and determining whether the second characteristic amount of the target data is valid or invalid. .
前記対象データの第1の特徴量を無効とする旨のユーザ指示を受けると、前記第1の特徴量の種別と前記第2の特徴量の種別との関連の度合いが閾値以上であれば、前記対象データの第2の特徴量を無効とし、前記度合いが閾値未満であれば、前記対象データの第2の特徴量を有効とすることを特徴とする請求項1に記載の情報処理装置。 The determining means includes:
Upon receiving a user instruction to invalidate the first feature amount of the target data, if the degree of association between the type of the first feature amount and the type of the second feature amount is equal to or greater than a threshold, The information processing apparatus according to claim 1, wherein the second feature amount of the target data is invalidated, and the second feature amount of the target data is valid if the degree is less than a threshold.
前記対象データの第1の特徴量を無効とする旨のユーザ指示を受けると、前記それぞれのデータの第1の特徴量と前記それぞれのデータの第2の特徴量とに基づく類似度が閾値以上であれば、前記対象データの第2の特徴量を無効とし、前記類似度が閾値未満であれば、前記対象データの第2の特徴量を有効とすることを特徴とする請求項1に記載の情報処理装置。 The determining means includes:
Upon receiving a user instruction to invalidate the first feature value of the target data, the similarity based on the first feature value of the respective data and the second feature value of the respective data is equal to or greater than a threshold. 2. The method according to claim 1, wherein the second feature value of the target data is invalidated if the similarity is less than a threshold value, and the second feature value of the target data is valid if the similarity is less than a threshold value. Information processing device.
前記対象データの第1の特徴量を無効とする旨のユーザ指示を受けると、前記対象データが、前記それぞれのデータの第2の特徴量のうち所定範囲外となった第2の特徴量のデータであれば、前記対象データの第2の特徴量を無効とし、前記対象データが、前記それぞれのデータの第2の特徴量のうち所定範囲外となった第2の特徴量のデータでなければ、前記対象データの第2の特徴量を有効とすることを特徴とする請求項1に記載の情報処理装置。 The determining means includes:
Upon receiving a user instruction to invalidate the first feature amount of the target data, the target data becomes the second feature amount of the second feature amount out of the predetermined range of the second feature amounts of the respective data. If the data is data, the second feature amount of the target data is invalidated, and the target data must be data of the second feature amount out of the predetermined range among the second feature amounts of the respective data. 2. The information processing apparatus according to claim 1, wherein the second feature amount of the target data is made valid.
前記対象データの第1の特徴量を無効とする旨のユーザ指示を受けると、前記第1の特徴量と前記第2の特徴量との類似度と、前記第2の特徴量の分布における前記対象データの第2の特徴量の外れの度合いと、に基づいて、該対象データの第2の特徴量を有効とするか無効とするかを判断することを特徴とする請求項1に記載の情報処理装置。 The determining means includes:
When a user instruction to invalidate the first feature amount of the target data is received, the similarity between the first feature amount and the second feature amount and the distribution of the second feature amount 2. The method according to claim 1, wherein it is determined whether the second feature value of the target data is valid or invalid based on a degree of deviation of the second feature value of the target data. 3. Information processing device.
前記第1の特徴量と前記第2の特徴量との類似度と、前記第2の特徴量の分布における前記対象データの第2の特徴量の外れの度合いと、に基づく評価スコアが規定範囲に属する場合には、該対象データの第2の特徴量を有効とするか無効とするかのユーザ指示を受け付けることを特徴とする請求項5に記載の情報処理装置。 The determining means includes:
An evaluation score based on the similarity between the first feature and the second feature, and the degree of deviation of the second feature of the target data in the distribution of the second feature is a specified range. 6. The information processing apparatus according to claim 5, wherein when the user data belongs to a user instruction, the user instruction for validating or invalidating the second feature amount of the target data is accepted.
前記対象データの第1の特徴量を無効とする旨のユーザ指示を受けると、前記第1の特徴量の種別と前記第2の特徴量の種別とが、同じ用途に利用される特徴量の種別である場合には、前記対象データの第2の特徴量を無効とし、前記第1の特徴量の種別と前記第2の特徴量の種別とが、同じ用途に利用される特徴量の種別ではない場合には、前記対象データの第2の特徴量を有効とすることを特徴とする請求項1に記載の情報処理装置。 The determining means includes:
When a user instruction to invalidate the first feature amount of the target data is received, the type of the first feature amount and the type of the second feature amount are used for the feature amount used for the same application. When the type is the type, the second feature amount of the target data is invalidated, and the type of the first feature amount and the type of the second feature amount are the types of the feature amounts used for the same application. The information processing apparatus according to claim 1, wherein, if not, the second feature amount of the target data is made valid.
前記対象データの第1の特徴量を無効とする旨のユーザ指示を受けると、前記対象データにおける第1の特徴量の位置と前記対象データにおける第2の特徴量の位置との間の距離が閾値未満である場合には、前記対象データの第2の特徴量を無効とし、前記距離が閾値以上である場合には、前記対象データの第2の特徴量を有効とすることを特徴とする請求項1に記載の情報処理装置。 The determining means includes:
When a user instruction to invalidate the first feature value of the target data is received, the distance between the position of the first feature value in the target data and the position of the second feature value in the target data is changed. When the distance is less than a threshold value, the second feature amount of the target data is invalidated. When the distance is equal to or more than the threshold value, the second feature amount of the target data is valid. The information processing device according to claim 1.
前記対象データの第1の特徴量を有効とするか無効とするかのユーザ指示を受け付けることを特徴とする請求項1乃至8のいずれか1項に記載の情報処理装置。 The determining means includes:
The information processing apparatus according to any one of claims 1 to 8, wherein a user instruction for validating or invalidating the first feature amount of the target data is received.
前記取得手段が取得した複数の第1の特徴量のうち、該第1の特徴量の値が所定範囲外となる一部の第1の特徴量について、ユーザが無効とするか否かの判断をするための表示を表示手段に行わせ、ユーザが無効とする旨の判断をした第1の特徴量を無効とし、且つ前記一部の第1の特徴量が前記所定範囲外となる対象データの第2の特徴量を無効とするか否かの判断をユーザが行うための表示を前記表示手段に行わせる制御手段と
を備えることを特徴とする情報処理装置。 Acquiring means for acquiring a first feature amount for each of the plurality of data;
A determination is made as to whether or not the user invalidates some of the plurality of first feature values acquired by the acquisition unit, for some of the first feature values in which the value of the first feature value is outside a predetermined range. Target data for causing the display means to perform a display for performing the operation, invalidating the first feature amount determined by the user to be invalid, and the partial first feature amount being outside the predetermined range. An information processing apparatus comprising: a control unit that causes the display unit to perform a display for the user to determine whether to invalidate the second feature amount.
前記情報処理装置の取得手段が、それぞれのデータの第1の特徴量を取得する取得工程と、
前記情報処理装置の判断手段が、前記それぞれのデータのうち所定範囲外となった第1の特徴量を求めたデータを対象データとし、該対象データの第1の特徴量を無効とする旨のユーザ指示を受けたことに応じて、該対象データの第1の特徴量を無効とすると共に、該対象データの第2の特徴量を有効とするか無効とするかを判断する判断工程と
を備えることを特徴とする情報処理方法。 An information processing method performed by an information processing apparatus,
An acquisition step in which the acquisition unit of the information processing apparatus acquires a first feature amount of each data;
The determining means of the information processing apparatus sets data obtained from the respective data for a first feature amount outside a predetermined range as target data, and invalidates the first feature amount of the target data. Determining, in response to receiving a user instruction, invalidating the first characteristic amount of the target data and determining whether the second characteristic amount of the target data is valid or invalid. An information processing method, comprising:
前記情報処理装置の取得手段が、複数のデータのそれぞれに対して第1の特徴量を取得する取得工程と、
前記情報処理装置の制御手段が、前記取得工程で取得した複数の第1の特徴量のうち、該第1の特徴量の値が所定範囲外となる一部の第1の特徴量について、ユーザが無効とするか否かの判断をするための表示を表示手段に行わせ、ユーザが無効とする旨の判断をした第1の特徴量を無効とし、且つ前記一部の第1の特徴量が前記所定範囲外となる対象データの第2の特徴量を無効とするか否かの判断をユーザが行うための表示を前記表示手段に行わせる制御工程と
を備えることを特徴とする情報処理方法。 An information processing method performed by an information processing apparatus,
An acquisition step in which the acquisition unit of the information processing apparatus acquires a first feature amount for each of a plurality of data;
The control unit of the information processing apparatus may be configured to provide a user with respect to a part of the plurality of first feature values acquired in the acquisition step, in which a value of the first feature value is outside a predetermined range. The display means performs a display for determining whether or not to invalidate, the first feature amount determined by the user to be invalid is invalidated, and the partial first feature amount is invalidated. Controlling the display means to perform a display for allowing the user to determine whether or not to invalidate the second feature amount of the target data outside the predetermined range. Method.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018179201A JP2020052554A (en) | 2018-09-25 | 2018-09-25 | Information processing apparatus and information processing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018179201A JP2020052554A (en) | 2018-09-25 | 2018-09-25 | Information processing apparatus and information processing method |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020052554A true JP2020052554A (en) | 2020-04-02 |
Family
ID=69997168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018179201A Pending JP2020052554A (en) | 2018-09-25 | 2018-09-25 | Information processing apparatus and information processing method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2020052554A (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023162142A1 (en) * | 2022-02-25 | 2023-08-31 | 株式会社Fuji | Image confirmation device and image confirmation method |
-
2018
- 2018-09-25 JP JP2018179201A patent/JP2020052554A/en active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023162142A1 (en) * | 2022-02-25 | 2023-08-31 | 株式会社Fuji | Image confirmation device and image confirmation method |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734089B (en) | Method, device, equipment and storage medium for identifying table content in picture file | |
US10860901B2 (en) | Detection system, information processing apparatus, evaluation method, and program | |
CN110851299A (en) | Automatic flow exception eliminating method, device, equipment and storage medium | |
US20120144004A1 (en) | Authentication server apparatus, authentication server apparatus-use program and authentication method | |
US8392887B2 (en) | Systems and methods for identifying graphic user-interface components | |
US20200126204A1 (en) | Image processing method and image processing apparatus | |
JP6903966B2 (en) | Information processing equipment, information processing systems and programs | |
CN110442266B (en) | Object recognition method, object recognition device, electronic equipment and storage medium | |
US9996189B2 (en) | Detecting a tool used on a touch screen | |
JP2020052554A (en) | Information processing apparatus and information processing method | |
JP2000231446A (en) | Display integrated type tablet device and storage medium stored with automatic tablet correction program | |
JP7235110B2 (en) | Operation log acquisition device, operation log acquisition method, and operation log acquisition program | |
US10817821B2 (en) | Workflow control device and non-transitory computer-readable storage medium having stored therein workflow control program for controlling workflow regarding operation on electronic apparatus | |
CN115829929A (en) | Method, device and equipment for detecting defects of product surface image and storage medium | |
CN115523871A (en) | Method, device, equipment and medium for detecting aircraft surface waviness | |
CN116258666A (en) | Wafer detection Mark point positioning method and application | |
CN110244924B (en) | Image sensor, system, data generating method thereof, and recording medium | |
JPWO2018211546A1 (en) | Screen test apparatus and screen test program | |
CN113327204A (en) | Image calibration method and device, equipment and storage medium | |
US20150109318A1 (en) | Inspection record apparatus and inspection record method | |
TW201018331A (en) | Method, system and computer program product for reference information based evaluation | |
CN114697743B (en) | Electronic device and image processing method thereof | |
WO2024095721A1 (en) | Image processing device and image processing method | |
EP4293620A1 (en) | Image processing apparatus, control method, storage medium, and program | |
CN115222720A (en) | Semiconductor abnormality detection method, semiconductor abnormality detection device, electronic apparatus, and medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20210103 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210113 |